使用np.梯度

Question

我试着计算u风和v风的风梯度。u值和v值具有以下形状的三维阵列：

u（122，9，9）使得u（时间，纬度，经度）。这同样适用于v

我还计算了dx和dy值（在二维数组中，针对lat和lon方向）

例如，我的代码示例如下：

dudx = np.gradient(u[0,0,:], dx[0,0], edge_order=2)
dvdy = np.gradient(v[0,:,0], dy[0,0], edge_order=2)

然后我可以求和dudx和dvdy得到梯度。我有一个已经计算了散度的数据，在将我的计算结果与散度数据进行比较后，我希望这些值是相同的，但是它们不是。除了使用np.梯度功能不正确。在

我想知道我上面计算u和v风梯度的方法是否正确。在

干杯。在

编辑

我用来计算风梯度的完整代码如下：

^{pr2}$

Answer 1

不幸的是，我不能对你的问题发表评论要求解释，因为我没有足够的声誉，所以我不得不做出一些假设。如果我错了，请随意纠正我。在

我假设dqu_18hr和dqv_18hr是存储两个不同函数的值的数组，u（t，y，x）和v（t，y，x）。如果我理解正确，你要计算du/dx和dv/dy

我不知道存储在数组中的dx和dy值是什么，这也是因为您将它们定义为2D数组，但将它们用作1D数组。我假设dx和{}是计算u和v的点的坐标，它们产生的网格是规则的。在

代码的第一个问题是，传递的是单个标量数作为的第二个参数np.梯度. 完成后，numpy假设这是点之间的距离。然而，这个距离在每次迭代中都会改变。对于这种情况，我认为这是一个非常正确的定义。在

代码的另一个问题是它没有利用numpy向量化，显式地使用了三个for循环。这在计算上效率极低。在

我建议您使用以下代码：

x = dx[0, :]  # or whatever is the correct definition
y = dy[:, 0]  # not enough info in the post to understand it

a = np.gradient(dqu_18hr, x, axis=2, edge_order=2)
b = np.gradient(dqv_18hr, y, axis=1, edge_order=2)

还请注意，在您的代码中，x与轴2相关，y与轴1相关联，这是绝对合法但不寻常的，因此您可能需要检查这是否是一个错误。在